程式交易面面觀
5 likes3,076 views
文档探讨了程式交易的概念、误解、优缺点及其类型，包括基于规则和基于机器学习的演算法。还强调了心理建设、风险控管与自身条件的重要性，并讨论了交易策略的本质和实施过程。值得注意的是，程式交易并非捷径，需谨慎对待投资决策。
程式交易面面觀
- 2. 2008 TradingBot 2009 Plurk 2010 Twitter 2011 Facebook粉絲頁 2012 部落格 透過即時傳送訊息 日曆紀錄每日交易紀錄 History
- 3. 個人經歷 元智大學資工所 臺北榮總資訊工程師 玉山銀行資訊處專員、Acer eDC 維運工程師(CCNA) 2014 COSCUP/iThome Summit 講者 2015 Microsoft Azure 開發者大會 講者 2016 COSCUP Docker 進階工作坊 2016 Microsoft 社群開源營 元智資工專題演講、義守資工 Docker 研習營 逢甲資工 Docker 研習班
- 4. 翻譯著作 歐萊禮《基礎架構即程式碼》譯者 歐萊禮《Docker 錦囊妙計》譯者 碁峰《Docker入門與實戰》、 《Kubernetes使用指南》審譯者 研究領域 Docker, 雲端架構, 大型主機 Java, Matlab, 機器學習
- 6. 程式交易是什麼？
- 7. 程式交易的 誤解 1. 沒有捷徑 2. 人工替代方案 3. 仍是高風險 4. 環節多 5. 風險承受度不同 6. 主觀，沒有答案 7. 發展自己的交易程式
- 9. Why use? 好處 1. 紀律 - 恐懼貪婪 2. 省時省力 3. 反應快、準確 壞處 1. 缺乏彈性 2. 影響”因數”多 3. Normal Accidents 真實案例 2010 美國閃崩 2013 中國光大
- 10. Why use?
- 11. Very Difficult
- 12. 充分了解金融商品的本質
- 13. 正確的 投資心態 1. 程式交易當成副業 2. 別想一夕致富 3. 追求穩定獲利 4. 天下沒有白吃的午餐 5. 投資跟投機
- 14. 審視自身條件 1. 心理建設 2. 程式能力 3. 風險控管 4. 確定金融商品 5. 進出頻率 6. 恆心
- 17. 程式交易類型
- 20. ML-based 演算法 全名 Machine Learning 機器學習 資訊領域亦稱黑箱方法，資料分析 高階方法，交易軟體無直接支援，R、Matlab 入門困難、倚賴輸入資料建立模型，資訊背景
- 21. Pattern Recognition ● OCR ● Speech recognition ● Face recognition ● Trading system
- 23. 高頻交易演算法 全名 High Frequency Trading 純粹比網路速度和運算速度，建置於交易所旁 造市補貼，法規限制，台灣市場不適合？！ 客製化硬體 - ASIC 特殊應用積體電路
- 24. Statistics vs Machine Learning
- 25. TradingBot 演算法
- 26. 系統架構
- 27. 群益API(✱✱✱)
- 28. 開發流程
- 29. 利用訊號處理技術 ● Input ○ Tick only ● DWT ○ 簡單 ○ 快速 ○ 去除雜訊
- 30. 模式 Pattern？ Right man + Right thing + Right moment ● 進出頻率 ● 跨領域方法 Ex: OP Open Interest?
- 31. 模式 Pattern？ Right man + Right thing + Right moment ● 進出頻率 ● 跨領域方法 Ex: OP Open Interest?
- 32. TradingBot - Trend following
- 33. TradingBot - Trend reversal
- 35. Why Day Trading? ● 以一天為分割點 ● 每天都是獨立，方便切割 ● Cross-validation較簡單 ● 留倉交易，如何切割回測資料？ ● 留倉交易，如何界定是Pattern還是運 氣？ ● 留倉交易，需參考資料是否更多？ ● TradingBot is Day Trading~
- 36. Machine Learning - SVM
- 38. Big Problems 1. 盤整及突破的判斷 2. 區域的最高點及最低點 3. 轉折的判斷 4. 出場條件 - 停損停利 5. 加碼問題 6. Patterns or Just Lucky
- 40. 範例2：選擇權回測 直接拿選擇權價格來回測，倒果為因？ 1. 利用期交所每日收盤Tick資料來回測 2. 動態定商品(7500CALL或8000PUT) 3. 再以商品及時間點取Tick價格。 4. 一定要有選擇權回測的資料才能確定策 略的可用性。
- 41. Machine Learning - Deep Learning
- 43. 回測程式 - In Memory Walking Forward 記憶體直接存取 多核心平行計算 暴力法能解決的 就不要花腦力去最佳化
- 44. 資料科學家 vs 資料工程師
- 46. 軟體工程 既是工程，也是藝術
- 49. Engineer
- 50. 可應用於交易 之雲端服務及工具
- 63. 發揮您的想像力 感謝您的聆聽